双碳目标下电力系统转型对产业部门影响评估——以粤港澳大湾区为例

许鸿伟,汪 鹏,任松彦,林泽伟,张 聪,赵黛青

双碳目标下电力系统转型对产业部门影响评估——以粤港澳大湾区为例

许鸿伟1,2,3,汪 鹏1*,任松彦1,林泽伟1,张 聪1,赵黛青1

(1.中国科学院广州能源研究所,中国科学院可再生能源重点实验室,广东省新能源和可再生能源研究开发与应用重点实验室,广东 广州 510640；2.中国科学院大学,北京 100049；3.广东省环境科学研究院,广东 广州 510045)

为评估双碳目标路径实现对产业部门变化的影响,通过构建粤港澳大湾区动态CGE模型,设计基准情景、碳中和情景和强化碳中和情景,评估双碳目标约束下电力系统转型对不同等级电力依赖产业微观及宏观影响.结果表明:相比基准情景,碳中和情景电力部门2045年实现零碳电力,对大湾区经济发展和外购电占比带来一定程度影响,双碳限制作用将促进2050年能源消耗总量和碳排放量分别降低8.9%、67%,导致外购电力占比提高11%和GDP总量损失3.9%,但各产业部门的电能替代性、碳减排贡献性和增加值柔韧性存在差异,其中高等电力依赖部门电能替代性和碳减排潜力较小,同时经济受影响最小,每部门增加值损失约790亿元;中等电力和低等电力依赖部门的碳减排贡献较大,单个部门碳减排空间为400～700万t,每个部门平均经济损失为1000～3200亿元,经济发展受限较大,应推动向高电气化部门和清洁能源替代方向调整.相比碳中和情景,强化碳中和情景电力部门2040年更早实现零碳,绿电增长有利于湾区加强电力供应安全性和社会经济增长,2050年外购电力占比降低11%,促进GDP增长1.5%,增长来自电力部门和中高等电力依赖产业部门,同时促进各等级电力依赖部门电气化率提升.

粤港澳大湾区；混合动态CGE；电力系统转型；双碳目标；产业部门

中国承诺2030年前实现碳达峰和2060年前实现碳中和,双碳目标的实现不仅需要能源供应侧的调整,也需要需求侧产业内能源消费结构的改变.以供应侧电力系统主动调整是现阶段助力碳达峰目标的优先举措,电力系统转型将对全社会各产业部门带来较大的影响,在双碳目标约束下不仅激励电力系统低碳转型,而且碳目标约束下的碳价和电力系统转型后的电价变动将对产业部门带来双重叠加影响.

针对电力系统低碳转型研究主要从电力结构优化和经济环境评估等方面开展.其中,电力结构优化层面上,现有电力结构优化研究层面主要以完成碳排放和能源结构政策指标为目标,满足产业部门的电力和碳减排需求,从电力行业的资源禀赋、可持续发展、清洁低碳角度考虑供给侧电力结构优化[1-5].此类研究提出了碳约束下电力部门的低碳路径,但侧重在供给侧的电力部门转型,缺少对双碳约束下需求侧用电需求的调整反馈,未考虑电力结构演变评估及双碳目标下零碳电力对需求侧产业部门的碳减排和增加值的影响.

在经济环境评估层面上,现有可计算的一般均衡模型(CGE模型)研究通常以部门碳减排和经济发展为指标,只考虑碳减排约束或电力转型对宏观经济层面的影响[6-10].此类文献缺少对不同发电技术的刻画,无法反映清洁和零碳电力作用下的供应侧发电结构调整对需求侧的影响,导致双碳约束下微观电力部门多种发电技术的结合对供应侧与需求侧影响的分析不足,较难分析到2050年双碳目标约束下电力系统率先零碳转型对产业部门的传导以及供需相互影响下关键指标的变化.

我国各地区整体资源禀赋不同、经济差距较大、产业特性及竞争力不同,政策实施之前往往选几个特定地区开展试点,总结试点成功经验后进行全国推行,以减少政策实施成本和风险.本研究以粤港澳大湾区为例,从战略层面看,粤港澳大湾区是开放程度高、产业发达、经济承受能力强的地区.对标国际湾区和面向世界科技创新前沿,大湾区人均GDP较高,无煤炭开采行业,能源对外依赖度较大,非化石能源占比较高,风电、光伏、核电等可再生能源和新能源生产制造基础雄厚,向低碳经济和产业转型优势明显,电力改革等体制机制逐步完善,理应在双碳目标政策实施上先行先试.从现实层面看,2017年粤港澳大湾区电力碳排放1.55亿t,占粤港澳大湾区总碳排放40%,与全国碳排放结构相似,且据不同机构预测粤港澳大湾区2035年的电力需求量达到0.7～1亿kW×h,应及早谋划和加快在粤港澳大湾区构建清洁、低碳、安全、高效的现代电力系统[11-12].

本研究通过构建粤港澳大湾区CGE模型,设置基准情景、碳中和情景和强化碳中和情景,以外购电力占比、能源达峰、碳减排和GDP等宏观指标,以产业部门电力替代性、碳减排贡献性和增加值柔韧性等微观指标为评价标准,从能源-经济-环境3个维度进行系统性分析,研究不同发电结构转型到终端产业部门电气化率、碳减排及产业增加值的传导机制,评估碳限制作用下电力系统间接加速转型和电力系统主动深度转型对宏观社会及微观部门的影响,为粤港澳大湾区电力低碳转型的宏观政策制定和微观部门调控提供参考.

1 模型方法

1.1 模型架构

本研究以粤港澳大湾区2017年投入产出表为数据基础,结合能源平衡表和产业统计年鉴数据、2017年粤港澳大湾区发电技术装机量、发电结构、发电成本等数据,构建粤港澳大湾区混合动态CGE模型.模型由生产部门、居民部门、政府部门、国际部门以及省际贸易5个模板组成,模型架构如图1.

混合CGE模型将电力部门细分为煤电、气电、核电和风电等7种技术部门,同时将电力部门投入产出表细分为7个部门的技术投入产出表[13-14],并依据大湾区的各种电力技术与32部门构建投入产出关系,形成不同电力技术的原料投入、资本投入和劳动力投入等成本关联关系,进而通过各个技术投入产出构成刻画不同技术组合的成本和增加值情况,研究电力部门自身及对宏观经济和环境影响.各技术的生产函数与能源转化部门的生产函数相同,每一种技术都完全可以被另一种技术替代,电力输出几乎与能量输入呈线性关系.

图1 模型架构

1.2 电力部门与其他产业部门相互影响

粤港澳大湾区动态CGE 模型的核心机理是以人口、GDP 等社会经济驱动因子确定各部门的各类能源服务需求,需求进一步驱动生产,价格影响产出.CGE模型模拟处于一般均衡态的经济系统,对某些变量进行一定程度的政策干扰,投资结构发生转变.当系统以生产者追求利润最大化和消费者追求效用最大化原则再次回到均衡态时,各类型能源消费量和能源价格发生改变,部门生产活动也跟随改变,进而影响全社会各部门增加值和碳排放量发生变化.本研究采取碳排放约束和电力系统转型2个政策,在此政策干扰下,电力部门通过生产供应电价影响其他产业部门的电力消耗需求量,而其他产业部门的电力消耗需求量的变化反过来会影响电力部门的生产供应电价,进而对各产业部门的生产和用能方式带来改变及投资结构的调整.

1.3 研究数据

投入产出表是构建社会核算矩阵(SAM)并用于CGE模型的部门间关系建模的重要数据来源.由2018年广东省统计年鉴[15]仅能获得珠三角9地市33个部门的总产值和增加值,以及居民消费支出、政府消费支出、资本形成、进出口、调入调出等总量值,无法收集到分部门细致数据.其中,珠三角9地市GDP值占广东省GDP值的80%,可近似认为珠三角9地市投入产出表规律与广东省投入产出表规律一致,则珠三角9地市投入产出表中劳动力报酬、固定资产折旧、税收净额,以及居民消费支出、政府消费支出、资本形成额、进出口量、调入调出量等分部门值可按照珠三角9地市和广东省各类型总量值做比例放缩得到.香港、澳门投入产出表由2015年投入产出表[16-17]按照2017年的分行业增加值缩放得到.然后对2017年广东省9地市投入产出和香港、澳门投入产出表重新进行合并,针对本研究进行部门重新划分,用交叉熵法平衡构建2017年粤港澳大湾区SAM表.

粤港澳大湾区33个部门的能耗量由珠三角9地市分部门能源平衡表[15]和香港澳门分部门能源平衡表[18-19]整理得到.其中,CGE模型中各个部门均以价值量为单位,而实际需求的能源消耗及CO2排放则是实物物理量的形式,需要根据当年能源平衡表中能源消费总量与当年能源消费价值量得出不同能源品种当年的平均能源价格,进而根据投出产出表和能源碳排放因子转换得到各个部门的能源消费量及CO2排放量.而33部门的CO2排放由IPCC推荐方法[20]计算,即CO2排放量由化石能源使用量乘以碳排放系数,再乘以碳氧化率得到.

图2 模型机理

1.4 参数设置

GDP和人口增速设置:2017～2018年GDP增长速度和人口增长速度均按照2018～2019年《广东省统计年鉴》[15]中广州、深圳、珠海、东莞、佛山、中山、江门、肇庆、惠州的统计年鉴、香港统计局网站、澳门统计局网站整理计算设置.2019～ 2050年粤港澳大湾区GDP增速参考《广东省国民经济和社会发展第十三个五年规划纲要》[21]以及增速趋势设置,综合考虑了2020年疫情下经济的增速与新基建下未来的增速进行平均获得.2019～2030年粤港澳大湾区人口增速参考《广东省人口发展规划(2017～2030年)》[22]进行设置,2031～2050年人口增速依据2019～2030的增速趋势以及参考本课题组《粤港澳大湾区能源转型中长期情景研究》[11]进行设置,参数结果如表1.

表1 粤港澳大湾区GDP、人口增速设定值

图3 电力结构

发电量设置:(1)2017年各类型发电量设置:按照2018年《广东省统计年鉴》[15]中广州、深圳、珠海、东莞、佛山、中山、江门、肇庆、惠州的统计年鉴、香港统计局网站、澳门统计局网站整理计算得到.(2)2018～2050年各类型发电量设置:参考现有政策[23-24]以及本课题前期研究结果[25],设置煤电发电量逐步从2017年3214万kW机组退役2032年的保底容量值,即1152万kW机组,年均发电量为518亿kW·h,随后逐步在2045年实现完全退役;气电发电量逐步上机供电,并考虑气电在现有规划下未来最大发电容量和广东明确规定未来不增添火电机组,设置气电逐步从2017年1931万kW机组增长到2038年的达峰容量值,即4292万kW机组,年均发电量为1931亿kW·h,随后逐步退役,到2050年仍然保持占本地发电量22%,年均发电量1323亿kW·h;本地发电总量2035年和2050年本地发电量总量依据往年增速趋势,以及参考本课题组《粤港澳大湾区能源转型中长期情景研究》[11]和南方电网能源发展研究院的《粤港澳大湾区能源规划研究》[12]进行设置;非化石发电量由本地发电总量减去化石电力发电量得到,如图3.

1.5 情景设计

为分别刻画粤港澳大湾区电力部门在现行节能减排政策、以及碳中和政策下被动加速转型和主动深度转型对宏观社会和产业部门的经济环境影响,基于混合CGE模型设计基准情景、碳中和情景和强化碳中和情景,情景设置如表2.

表2 情景设置

1.6 部门归类

图4 2017年12个部门的能源消耗情况

为了评估碳限制作用下电力系统被动加速转型和主动深度转型对宏观社会以及产业部门的能源、碳排放和增加值的影响,首先,根据基准年份(2017年)33个部门的能源消耗量进行识别,筛选出粤港澳大湾区高能耗产业部门和高端新兴产业部门等,并进一步将33个部门合并成12个部门.其次,依据基准年(2017年)各产业部门的电气化率大小将其归类为高、中、低等电力依赖部门.如图4,其中金属、机械制造、电子、服务业等4个部门分为高等电力依赖部门;纺织、造纸、石化、其他工业等4个部门分为中等电力依赖部门;农业、非金属和交通部门等3个部门分为低等电力依赖部门,电力部门设置为单独部门.

2 结果与讨论

2.1 电力供应安全性

由图5可知,相比基准情景,碳中和情景的煤电和气电等具有碳排放性质的发电技术均受到碳限制约束影响,湾区电力系统被动加速进行低碳转型.煤电发电量从2033年开始急剧下降,并在2035年提前实现完全退役;气电发电量由2038年达峰提前到2037年实现达峰,然后开始下降至2044年实现完全退役;风电、核电和生物质发电及其他等非化石清洁电力的发电量和基准情景一致,如图5a～c.

碳中和情景下,电力部门本地煤电、气电生产供应量受限,推动本地电力价格上升,因外购电价格便宜,外购电大量涌入,推动电力供应曲线向下移动,导致电价降低.电价降低促进终端部门需求侧对电力需求量的增加,推动电力需求曲线向上移动,价格发生二次变动.价格的变化将导致电力供应曲线和电力需求相互变动,最终电力供应和需求侧相互影响和电价变化作用下,当CGE模型以最优化原则求解最优值,最终均衡电价P在1和2之间,电价相比基准情景降低,电力供给量相比基准情景增多,如图5d.因此,相比基准情景,碳中和情景社会供电量呈现增长趋势,如图5f.在本地电力供给侧受限情况下,全社会用电需求的增加主要依靠外购电力进行填充供给,外购电力占总供应电量的比例增加.2050年,碳中和情景的外购电量占比达到64%,相比基准情景提高11%,湾区内电力供应安全性降低,如图5g.

相比基准情景,强化碳中和情景的煤电和气电也受到碳限制约束影响,但是该情景在碳中和情景的基础上进一步设置非化石电力发电量填补煤电和气电发电量受约束的空缺,通过加大本地非化石电力发电量供给,促进电力系统深度低碳转型.由于非化石清洁电力的优先发电级别高于化石电力,在电力部门投资不变的情况下,当设置煤电和气电发电量空缺由非化石电力发电填补,非化石电力不能等量替代化石电力,出现非化石电力挤压化石电力效应.相比于碳中和情景,强化碳中和情景的煤电和气电发电量受到挤压效应将进一步减少,同时2043年后非化石电力发电量微小于设置值,如图5a～c.

图5 各类电力发电量、电价、发电量总量和外购电力占比变化曲线

强化碳中和情景下,由于本地电力供给侧非化石电力增加,本地生产供应价格降低,外购电电力减少,推动电力供应曲线向上移动,导致电价升高.电价升高促进终端部门需求侧对电力需求量的减少,推动电力需求曲线向下移动,价格发生二次变动.初始价格的变化将导致电力供应曲线和电力需求相互变动,最终电力供应和需求侧相互影响和电价变化作用下,当CGE模型以最优化原则求解最优值,此时均衡电价P在1和P之间,电价相比碳中和情景升高,电力供给量相比碳中和情景减少,如图5e.因此,碳中和情景的供电总量相比基准情景呈现增长趋势,但是相比碳中和情景呈现减少趋势,如图5f.加大本地非化石电力发电量的供给,促进湾区外购电力需求减少,外购电力占总供应电量的比例减少.2050年,强化碳中和情景的外购电量占比为53%,与基准情景一致,且相比碳中和情景降低了11%,湾区内电力供应安全性升高,如图5g.

2.2 部门电力替代性

由图6可知,基准情景下,湾区终端部门电力消耗量呈现增长趋势,煤炭、石油、天然气和总量消耗量分别在2030、2026、2032、2032年达峰,达峰消耗量分别为0.46,0.94,0.24,2.47亿t标煤.

碳中和情景下,在碳限制直接作用和电力系统被动加速转型的间接作用影响下,湾区终端部门电力消耗相比基准情景呈现增多趋势,煤炭、石油、天然气和总量消耗量分别在2027、2026、2030、2028年达峰,达峰消耗量分别为0.42,0.93,0.23,2.38亿t标煤.煤炭、天然气和终端能源消耗总量的达峰时间节点相比基准情景提前,而石油消耗量达峰时间节点和基准情景一致,但石油达峰消耗量降低.相比基准情景,2050年碳中和情景能源消耗总量降低8.9%.

强化碳中和情景下,在碳限制直接作用和电力系统主动深度转型的间接作用影响下,煤炭、石油、天然气消耗量的变化量趋势和碳中和情景一致,中间过程有微小波动主要由于电力结构中非化石电力发电量无法完全填补化石电力空缺造成.而湾区终端部门电力消耗相比基准情景呈现增多趋势,但是相比碳中和情景呈现减少趋势.因此,相比碳中和情景,强化碳中和情景的能源消耗总量的变化主要来自电力消耗量的变化,且电力系统主动深度转型主要影响湾区电力消耗量,对化石能源消耗量几乎无影响.相比碳中和情景,2050年强化碳中和情景能源消耗总量降低1.7%.

图6 煤油气电消耗量和能源消耗总量变化曲线

从2050年产业部门能源消耗量变化情况角度,分析碳中和情景和强化碳中和情景的部门电力替代性.由图7可知,碳中和情景下,基于全社会最优化分配原则对所有部门加以碳限制,但是各个部门受到碳限制作用的程度不一致.其中,服务业、电子、金属、机械制造等高等电力依赖部门的能源消耗主要依赖电力消耗,碳减排承担责任小,应当放松对该类部门的碳限制管理.相比基准情景,高等电力依赖部门的电力和化石能源消耗量均出现增长趋势,部门电气化率整体上反而呈现降低趋势,其中2050年部门电气化率平均降低1%,部门电力替代性较弱.纺织、造纸、石油化工、其他工业等中等电力依赖部门在碳限制作用下,部门碳减排承担责任大,部门电力和化石能源消耗量相比基准情景整体上出现减少趋势,部门电气化率提高,其中2050年部门电气化率平均提高13%,部门电力替代性好.低等电力依赖部门中农业部门碳减排承担责任小,电力和化石能源消耗量均出现增长趋势,部门电气化率有微量上涨;非金属和交通部门碳减排承担责任大,化石能源消耗量相比基准情景整体上出现减少趋势,但非金属部门电力消耗有所增长,导致交通部门电气化率上涨幅度较小,非金属部门电气化率上涨幅度较大.

由图8可知,强化碳中和情景下,电力部门主动往非化石电力方向进行深度转型,各个产业部门的化石能源消耗量基本不产生变化,但是电价的升高导致产业部门的电力消耗量降低,所有产业部门的电气化率均呈现下降趋势,2050年部门各类型电力依赖部门的电气化率平均降低0.8%,部门电力替代性均变差.从整体上来看,各类部门的电气化率下降趋势一致,其中高等电力依赖部门中的机械制造业部门和金属部门、中等电力依赖部门中的石油化工部门、低等电力依赖部门中的非金属部门的电力替代性较差.

2.3 部门碳减排贡献性

由图9a可知,基准情景下,受当前节能减排政策的影响,大湾区内部生产活动的碳排放将在2025年实现达峰,达峰碳排放量为4.48亿t,然后碳排放开始逐年下降,到2050年仅剩1.5亿t.

由图9b可知,碳中和情景下,受更严碳限制作用的影响,大湾区内部生产活动的碳排放在2025年实现达峰,达峰碳排放量和基准情景一致,为4.48亿t.2025年后湾区内部碳排放量下降幅度增大,到2050年湾区碳排放量仅剩0.50亿t,相比基准情景降低67%,基本实现碳中和.相比2050年基准情景,碳中和情景湾区碳排放量的减少主要由电力部门、低等电力依赖部门和中等电力依赖部门贡献.其中,相比2050年基准情景,碳中和情景的高、中和低等电力依赖部门的平均碳减排量为0,4,7百万t,低等电力依赖部门的碳减排贡献性最大,中等电力依赖部门的贡献性次之,高等电力依赖部门几乎无贡献.

强化碳中和情景下,电力部门主动深度转型对全社会以后产业部门的化石能源消耗影响较小,碳排放变化曲线和碳中和情景一致.

2.4 产业增加值柔韧性

碳中和情景下,碳限制作用将导致全社会化石能源消耗降低,部门生产活动受限,大湾区整体GDP增长放缓.到2050年,碳中和情景的GDP相比基准情景损失3.9%,如图10a.其中,相比2050年基准情景,碳中和情景的高、中和低等电力依赖部门的平均增加值减少量为790,3216,1019亿元.因此,高等电力依赖部门受到碳限制作用较小,部门增加值损失最小,部门增加值柔韧性较好.中等电力依赖部门和低等电力依赖部门受到碳限制作用较大,且由于中等电力依赖部门经济体量大,部门增加值损失大于低等电力依赖部门,如图10b.

强化碳中和情景下,通过加大本地非化石电力生产量的方式进行电力系统深度转型,一方面外购电购买量依赖变小,成本支出变小,另一方面促进非化石电力上下游关联产业链发展,减缓了碳限制对GDP负效益作用.相比基准情景,2050年强化碳中和情景的GDP仅损失2.4%.相比碳中和情景,强化碳中和情景的GDP增长了1.5%,相当缓解了碳限制导致GDP损失的7916亿元.其中,相比碳中和情景,强化碳中和情景GDP值的增长只要来自于电力部门、高等电力依赖部门和中等电力依赖部门,且高等电力依赖部门的柔韧性更优于中等电力依赖部门,如图10c.

2.5 政策建议

(1)供应侧的电力部门:考虑当前煤炭价格、天然气价格和CCS成本高居不下,应积极实施低碳转型,促进粤港澳大湾区2040年前率先实现零碳电力,区内电力全部由核电、风电、光伏、生物质发电和外购电供应.同时,在大湾区积极推进大湾区实现碳达峰和碳中和的进程中,电力部门仍需加大对风电、核电、太阳能发电以及生物质发电等发电技术的研发,推动发电成本的降低,以促进各产业部门的清洁电力能源消耗.

(2)针对高等电力部门如:金属、机械制造、电子、服务业等高等电力依赖部门初始电气化率高,部门生产活动主要依靠电力能源.在碳限制作用下,此类部门的碳减排承担责任小,出现化石能源消耗反弹增加和电力替代性变差现象,未来仍需加大对此类部门碳减排目标的管控.

(3)针对低等和中等电力部门:纺织、造纸、石油化工、其他工业等中等电力依赖部门,以及农业、非金属和交通部门等低等电力依赖部门是未来碳减排贡献的主力部门,但是部门电气化率的提升是以降低化石能源消耗的方式实现,同时也会对部门增加值产生较大的负面影响.未来碳排放约束作用影响,此类部门应积极推动CCS技术和氢能等清洁能源的开发利用,以降低生产成本.

3 结论

3.1 碳中和情景在碳限制作用下,电力部门被动加速转型.相比基准情景,碳中和情景的电力消耗总量增加,能源消耗总量提前至2028年达峰,且2050年能源消耗总量降低8.9%,湾区能源结构得到优化;碳排放于2025年达峰,且2050年湾区碳排放量降低67%,碳减排效果明显;但碳限制作用将导致湾区2050年外购电力占比提高11%,电力供应安全性变差;同时部门生产活动受限,大湾区整体GDP增长放缓,2050年GDP总量损失3.9%.

3.2 相比基准情景,碳中和情景的高等电力依赖部门增加值平均仅损失790亿元,部门增加值柔韧性较好,但电力替代性和碳减排贡献性较差;中等电力依赖部门的电气化率平均提高13%,部门电能替代性较好,但部门碳减排贡献性和增加值柔韧性较差;低等电力依赖部门的碳排放平均减少700万t,部门碳减排贡献性较好,但电力替代性和增加值柔韧性较差.

3.3 强化碳中和情景在碳限制作用下,电力部门主动深度转型.相比碳中和情景,强化碳中和情景的能源消耗总量达峰时间节点不变,电力消耗量减少,2050年能源消耗总量降低1.7%;碳排放变化曲线基本和碳中和情景一致.而电力部门的主动深度转型推动湾区2050年外购电力占比降低11%,外购电力占比水平降低到和基准情景一致,电力供应安全性变好;同时外购电购买量成本支出变小和非化石电力上下游关联产业链的发展,减缓了碳限制对GDP负效益作用,2050年GDP相比碳中和情景增长了1.5%.相比碳中和情景,强化碳中和情景的部门碳减排和电力替代影响较小,各类型部门的增加值柔韧性中高等电力依赖部门最好,其次是中等电力依赖部门,最后是低等电力依赖部门.

[1] 国家可再生能源中心.美丽中国2050年的能源生态系统[R/OL]. 2018 [2020-01-01]. https://max.book118. com/html/2018/0420/ 162194247.shtm.

National Renewable Energy Center. Beautiful China’s energy ecosystem in 2050 [R/OL]. 2018 [2020-01-01]. https://max.book118. com/html/2018/0420/162194247.shtm.

[2] 项目综合报告编写组.《中国长期低碳发展战略与转型路径研究》综合报告[J]. 中国人口·资源与环境, 2020,30(11):1-25.

The Report of "China's Long-term low-carbon Development Strategy and Transformation Path" [J]. China Population, Resources and Environment, 2020,30(11):1-25.

[3] 周孝信.能源转型中我国新一代电力系统技术发展趋势[J]. 电气时代, 2018,(1):33-35.

Zhou X X. Development trend of China's new generation power system technology in energy transition [J]. Electric Times, 2018,(1):33-35.

[4] 张 宁,邢 璐,鲁 刚.我国中长期能源电力转型发展展望与挑战[J]. 中国电力企业管理, 2018,(13):58-63.

Zhang Ning, Xing Lu, Lu Gang.Prospects and challenges of China's mid - and long-term energy and electric power transition development [J]. China Electric Power Enterprise Management, 2018,(13):58-63.

[5] 张运洲,张 宁,代红才,等.中国电力系统低碳发展分析模型构建与转型路径比较 [J]. 中国电力, 2021,54(3):1-11.

Zhang Yun-zhou, Zhang Ning, DAI Hong-cai, et al. Model Construction and Pathways of Low-Carbon Transition of China's Power System [J]. China Electric Power, 2021,54(3):1-11.

[6] 姜红丽,刘羽茜,冯一铭,等.碳达峰、碳中和背景下“十四五”时期发电技术趋势分析 [J]. 发电技术:1-12[2021-12-31]. http://kns. cnki.net/kcms/detail/33.1405.TK.20211230.1108.006.html.

Jiang Hong-li, LIU Yu-qian, FENG Yi-Ming, et al. Analysis of power generation technology trend in 14th five-year plan under the background of carbon peak and carbon neutral [J]. Power generation technology: 1-12 [2021-12-31]. http://kns.cnki.net/kcms/detail/33. 1405.TK.20211230.1108.006.html.

[7] O’ryan Raúl, Nasirov Shahriyar, Álvarez-Espinosa Andrés. Renewable energy expansion in the chilean power market: A dynamic general equilibrium modeling approach to determine CO2emission baselines [J]. J. Clean Prod., 2020,247:119645.

[8] Yang Xi, Pang Jun, Teng Fei, et al. The environmental co-benefit and economic impact of China's low-carbon pathways: Evidence from linking bottom-up and top-down models [J]. Renewable and Sustainable Energy Reviews, 2021,136:110438.

[9] Li Wei, Lu Can, Zhang Yan-Wu. Prospective exploration of future renewable portfolio standard schemes in China via a multi-sector CGE model [J]. Energy Policy, 2019,128:45-56.

[10] Mu Yaqian, Cai Wenjia, Evans Samuel, et al. Employment impacts of renewable energy policies in China: A decomposition analysis based on a CGE modeling framework [J]. Applied Energy, 2018,210:256-267.

[11] 《粤港澳大湾区能源转型中长期情景研究》项目组.粤港澳大湾区能源转型中长期情景研究) [M]. 北京:科学出版社, 2020.

Project group of 《Mid - and long-term Scenario Study on Energy Transformation of Guangdong-Hong Kong-Macao Greater Bay Area》. Medium - and long-term scenario study of energy transformation in Guangdong-Hong Kong-Macao Greater Bay Area [M]. Beijing: Science Press, 2020.

[12] 南方电网能源发展研究院.粤港澳大湾区能源规划研究[R]. 广州:南方电网能源发展研究院有限责任公司, 2020.

China Southern Power Grid Energy Development Research Institute. Energy planning in guangdong-Hong Kong-Macao Greater Bay Area [R]. Guangzhou: China Southern Power Grid Energy Development Research Institute Co., LTD., 2020.

[13] Ian Sue Wing. The synthesis of bottom-up and top-down approaches to climate policy modeling: Electric power technologies and the cost of limiting US CO2emissions [J]. Energy Policy, 2006,34(18):3847-3869.

[14] Ian Sue Wing. The synthesis of bottom-up and top-down approaches to climate policy modeling: Electric power technology detail in a social accounting framework [J]. Energy Economics, 2008,30(2):547-573.

[15] 广东省统计局.广东省统计年鉴2018 [M]. 北京:中国统计出版社, 2018.

Statistics Bureau of Guangdong Province. Statistical yearbook of Guangdong Province 2018 [M]. Beijing: China Statistics Press, 2018.

[16] 澳门统计局.澳门统计年鉴 [R]. 2016-2019 [2021-01-03]. http: //www.tjcn.org/tjnj/33am/37957.html.

Macao Statistical Bureau. Macao Statistical Yearbook [R]. 2016-2019 [2021-01-03]. http: //www.tjcn.org/tjnj/33am/37957.html.

[17] 经济合作与发展组织.香港投入产出表2015 [EB/Z]. 2018 [2021- 01-08]. https://stats.oecd.org/Index.aspx?DataSetCode=IOTSI4_2018.

Organization for Economic Cooperation and Development. Hong Kong input-output table 2015 [EB/Z]. 2018 [2021-01-08]. https://stats.oecd.org/Index.aspx?DataSetCode=IOTSI4_2018.

[18] 澳门统计年鉴委员会.澳门能源统计 [R]. 澳门:统计局, 2016—2019. https://www.dsec.gov. mo/ts/#!/step1/zh-MO.

Macao Statistical Yearbook Committee. Energy statistics of Macao [R]. Macao: Bureau of Statistics, 2016-2019. https://www.dsec.gov.mo/ts/ #!/step1/zh-MO.

[19] 香港特别行政区政府统计处.香港能源统计2016年年刊 [EB/OL]. https://www.censtatd.gov.hk/hkstat/sub/sp90_tc.jsp?productCode=B1100002.

Census and Statistics Department, Hksar Government. Hong Kong energy statistics 2016 annual journal [EB/OL]. https:// www.censtatd. gov.hk/hkstat/sub/sp90_tc.jsp?productCode=B1100002.

[20] Ministry of Science and Technology, Economy and Energy. Supply of an instrument for estimating the emissions of green house effect gases coupled with the energy matrix [R/OL]. 2010 [2014-06-11]. http: //ecen.com/ matriz/eee24/coefycin.htm.

[21] 广东省人民政府关于印发《广东省国民经济和社会发展第十三个五年规划纲要》的通知[J]. 广东省人民政府公报, 2016:3.

People's Government of Guangdong Provincial. Notice of the People's government of Guangdong Province on printing and distributing the 13th five-year plan of Guangdong Province for national economic and social development [J]. Bulletin of Guangdong Provincial People's Government, 2016:3.

[22] 广东省人民政府关于印发广东省人口发展规划(2017～2030年)的通知[J]. 广东省人民政府公报, 2018,(7):3-28.

People's Government of Guangdong Provincial. The People's government of Guangdong Province on the issuance of Guangdong Province population development plan (2017～2030) [J]. Bulletin of Guangdong Provincial People's Government, 2018,(7):P.3-28.

[23] 广东省发展和改革委员会.广东省能源发展“十二五”规划 [EB/OL]. 2013 [2014-07-01]. http://www.gddpc.gov.cn/fgzl/fzgh/ zxgh/sewzx/ 201309/t20130926_220199.htm.

Guangdong Provincial Development and Reform Commission. Energy development "twelfth five-year" plan of Guangdong Province [EB/OL]. 2013 [2014-07-01]. http://www.gddpc.gov.cn/fgzl/fzgh/ zxgh/sewzx/ 201309/t20130926_220199.htm.

[24] 香港特别行政区政府新闻公报.香港气候行动蓝图2030+ [EB/OL]. 2017 [2021- 01-10]. https://sc.isd.gov.hk/TuniS/www.info.gov.hk/gia/ general/201701/20/P2017012000724.htm?fontSize=1.

Hong Kong Special Administrative Region Government Press Release. Hong Kong climate action blueprint 2030+ [EB/OL]. 2017 [2021- 01-10]. https://sc.isd.gov.hk/TuniS/www.info.gov.hk/gia/general/201701/ 20/P2017012000724.htm?fontSize=1.

[25] 许鸿伟,汪 鹏,任松彦,等.基于CGE模型的电力低碳转型速度调控策略研究——以粤港澳大湾区为例 [J/OL]. 气候变化研究进展, 1-18[2021-12-31].http://kns.cnki.net/kcms/detail/11.5368.P.20211224. 1634.004.html.

Xu Hong-wei, Wang Peng, Ren Song-yan, et al. Research on the speed control strategy of low carbon power transition based on CGE model—take the GBA as an example [J/OL]. Advances in Climate Change Research.1-18 [2021-12-31]. http://kns.cnki.net/kcms/detail/ 11.5368.P.20211224.1634.004.html.

Impact assessment of power system transition on industrial sectors under dual carbon targets—Take the Greater Bay Area as an example.

XU Hong-Wei1,2,3, WANG Peng1*, Ren Song-yan1, Lin Ze-wei1, ZHANG Cong1, ZHAO Dai-qing1

(1.Key laboratory of Renewable Energy, Chinese Academy of Sciences, Guangdong Provincial Key Laboratory of New and Renewable Energy Research and Development, Guangzhou Institute of Energy Conversion, Chinese Academy of Sciences, Guangzhou 510640, China；2.University of Chinese Academy of Sciences, Beijing 100049, China；3.Guangdong Academy of Environmental Sciences, Guangzhou 510045, China)., 2022,42(3)：1435～1445

This paper develops an empirical assessment of low-carbon electricity transition in China, with specific emphasis on identifying its impact on the industrial sectors associated with three alternative scenarios-baseline, carbon neutrality (CN) and enhanced carbon neutrality (ECN). The case in point for this assessment is provided by Guangdong-Hong Kong-Macao Greater Bay Area (thereafter, the Greater Bay Area). The analytical framework for this assessment is based on a dynamic CGE model. The results suggest that attaining net-zero electricity by 2045 (CN scenario) is likely to reduce energy consumption and CO2emissions by 8.9% and 67%, respectively, for the Greater Bay Area when compared with the baseline scenario. This impact would worsen the region’s reliance on electricity imports, adversely affecting its economic growth (3.9% less than the baseline scenario). This economic impact would, however, vary significantly across industrial sectors, reflecting their difference in terms of electric energy substitution, carbon emission reduction contribution and value-added flexibility. The impact on high electricity-dependent sectors is likely to be small (losses of about 79billion yuan in sectoral value-added), when compared with those sectors that are less dependent on electricity (losses of 100billion to 320billion yuan in sectoral value-added). By implication, this suggests that policymakers should consider promoting electrification and fuel-switching in these sectors, in order to reduce the adverse impact of electricity decarbonisation on their future growth. The electricity sector in the Greater Bay Area will attain net-zero emissions by 2040 in the ECN scenario. The strong growth of local renewable generation in this scenario could help reduce the region’s reliance on electricity imports (11% less than the CN scenario), contributing to energy security and socio-economic development (1.5% higher than the CN scenario). This development would particularly benefit industrial sectors that are highly dependent on electricity and promote electrification in other sectors.

Guangdong-Hong Kong-Macao Greater Bay Area；hybrid dynamic CGE model；power system transition；dual carbon target；industrial sector

X321

A

1000-6923(2022)03-1435-11

许鸿伟(1993-),男,广东湛江人,中国科学院广州能源研究所广东省环境科学研究院硕士研究生,主要能源战略与低碳发展研究.

2021-07-27

国家自然科学基金(71603248);广东科技计划(2017A050501060)

*责任作者, 研究员, wangpeng@ms.giec.ac.cn.